-
公开(公告)号：CN114898329B
公开(公告)日：2025-01-10
申请号：CN202210333395.1
申请日：2022-03-31
Applicant: 长安大学
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于路面感知数据智能分类的加载车行驶纠偏方法和系统，所述方法包括：获取来自足尺路面上多个高频传感器的待分类数据；根据足尺路面不同高频传感器数据特征构建自适应阈值，对处于加载过程中的传感器数据进行提取；将获得的多个压力感知数据片段进行可视化转换，获得对应的待分类图像数据；构建DCNN6卷积神经网络并对卷积神经网络进行训练；利用经训练的卷积神经网络模型获得待分类图像数据的分类结果；利用所述分类结果对车辆的驾驶轨迹进行提示。本发明可以有效解决足尺环道中的动态高频传感器数据自动分类问题，为全路域受力分析和把握车辙演变规律提供有力的数据支撑，且分类速度快、精度高，节省人力物力。
-
公开(公告)号：CN119962990A
公开(公告)日：2025-05-09
申请号：CN202510017899.6
申请日：2025-01-06
Applicant: 长安大学
IPC: G06Q10/0637 , G06Q10/04 , G06Q10/063 , G06Q50/26 , G06F18/243
Abstract: 本发明涉及一种考虑多维影响因素的沥青路面养护决策方法及系统，属于路面养护技术领域，本发明构建沥青路面性能多源数据集，设计平均权重融合的重要性分析方法，针对路面影响因素多源数据之间关联分析不足，对数据进行特征工程操作，包括特征的生成、选择以及转换，更准确地表征问题域并提升模型效率。部分特征经过编码和特征降维后，对多源特征数据集运用多种统计及机器学习方法进行特征重要性排序，根据排序结果筛选出对沥青路面性能预测影响显著的特征集。基于OOA优化的融合预测模型，精确捕获并预测路面性能的变化趋势。综合考虑当前性能状态和性能预测趋势，实现养护等级和具体养护方式的决策。
-
公开(公告)号：CN117493944A
公开(公告)日：2024-02-02
申请号：CN202311765394.5
申请日：2023-12-20
Applicant: 长安大学 , 西安公路研究院有限公司
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时非分离模型的路面平整度发展预估方法及装置，其中，上述方法包括：对路面原始数据进行预处理，得到初始数据集，并将初始数据集划分为时序部分数据集和非时序部分数据集；将时序部分数据集和非时序部分数据集输入到构建好的时非分离模型中进行训练，得到训练好的模型，以便于利用该模型实现路面平整度的发展预估；其中，时非分离模型包括若干个时非分离子网络，每个时非分离子网络包括变分自编码器模块和多尺度卷积模块，变分自编码器模块以非时序部分数据集为输入，多尺度卷积模块以时序部分数据集为输入。该方法有效提高了短时间序列的路面平整度预估精度。
-
公开(公告)号：CN114898329A
公开(公告)日：2022-08-12
申请号：CN202210333395.1
申请日：2022-03-31
Applicant: 长安大学
Abstract: 本发明公开了一种基于路面感知数据智能分类的加载车行驶纠偏方法和系统，所述方法包括：获取来自足尺路面上多个高频传感器的待分类数据；根据足尺路面不同高频传感器数据特征构建自适应阈值，对处于加载过程中的传感器数据进行提取；将获得的多个压力感知数据片段进行可视化转换，获得对应的待分类图像数据；构建DCNN6卷积神经网络并对卷积神经网络进行训练；利用经训练的卷积神经网络模型获得待分类图像数据的分类结果；利用所述分类结果对车辆的驾驶轨迹进行提示。本发明可以有效解决足尺环道中的动态高频传感器数据自动分类问题，为全路域受力分析和把握车辙演变规律提供有力的数据支撑，且分类速度快、精度高，节省人力物力。
-
-
-
Search Results
4
records
(took 0.018 seconds)
